Een recent wetenschappelijk onderzoek suggereert dat de manier waarop grote taalmodellen (LLM's) omgaan met tijd minder gebaseerd is op logisch redeneren dan voorheen werd aangenomen. De gangbare aanname dat tijdsredenering kan worden opgesplitst in rekenkundige en semantische vaardigheden, wordt door nieuwe bewijslast uitgedaagd.
Binnen de ontwikkeling van kunstmatige intelligentie wordt er vaak een onderscheid gemaakt tussen twee vormen van tijdsredenering: temporele rekenkunde, wat betrekking heeft op het berekenen van data en tijdstippen, en temporele semantiek, waarbij het gaat om het begrijpen van causale en temporele relaties. Volgens een onderzoekspapier dat op 21 oktober 2026 werd gepubliceerd op arxiv.org, vormt deze dichotomie de basis voor het ontwerp van benchmarks en de training van modellen, maar de empirische validiteit hiervan is nooit direct getest.
Beperkte overdraagbaarheid van vaardigheden
De onderzoekers, waaronder Auss Abbood en Fernando Martínez-Plumed, hebben twee lijnen van bewijs aangevoerd om de traditionele visie te problematiseren. Ten eerste is er gekeken naar de vraag of training op specifieke taken binnen één van de twee modi (rekenkundig of semantisch) leidde tot verbeteringen in andere taken binnen diezelfde categorie.
Uit de resultaten blijkt dat finetuning voornamelijk leidde tot winst die specifiek was voor de gebruikte dataset, met stijgingen tussen de 6,8 en 23,1 procentpunten. Wanneer deze modellen echter werden getest op een andere dataset binnen dezelfde modus, varieerde de transfer tussen een daling van 3,2 en een stijging van slechts 1,1 procentpunt. Volgens de auteurs van het artikel op biedt dit patroon weinig bewijs voor het bestaan van coherente, overdraagbare temporele vermogens.
Kennis boven logica
Daarnaast heeft het onderzoeksteam een evaluatie uitgevoerd op basis van cognitieve eisen om te bepalen welke capaciteiten de prestaties op benchmarks daadwerkelijk stimuleren. De aanname was dat kwantitatief en logisch redeneren de drijvende krachten waren achter respectievelijk de rekenkundige en semantische prestaties.
De bevindingen laten echter zien dat dit niet het geval is. In plaats van logica en rekenkracht, blijkt 'kennis' de primaire factor te zijn die de resultaten bepaalt. De conclusie van de onderzoekers is dat huidige benchmarks voor tijdsredenering het onderscheid tussen rekenkunde en semantiek niet zuiver realiseren. In plaats daarvan worden modellen beloond voor het onthouden van patronen over hoe tijd doorgaans functioneert.
Contrast met commerciële tijdregistratie
Terwijl wetenschappers worstelen met het fundamentele begrip van tijd in AI, is er in de commerciële sector een sterke focus op de praktische toepassing van tijdmeting. Bedrijven zoals keeping.nl richten zich op het accuraat bijhouden van gewerkte uren, projectbudgetten en rittenregistraties voor freelancers en organisaties. In tegenstelling tot de complexe cognitieve processen van LLM's, draait commerciële software om eenvoudige invoer en overzichtelijke rapportages.
Dergelijke applicaties, zoals beschikbaar via de Google Play Store, bieden functies zoals timers, inklok- en uitkloksystemen en widgets voor het scherm. Waar het academische debat op gaat over het 'begrijpen' van tijd, focussen tools zoals die van op de administratieve beheersbaarheid van tijd via web- en mobiele applicaties.
Het onderzoek naar LLM's onderstreept dat er een aanzienlijk gat gaapt tussen het simpelweg registreren van tijd en het vermogen van een machine om temporele concepten werkelijk te begrijpen. De resultaten dwingen ontwikkelaars van AI-modellen mogelijk om hun benadering van temporele benchmarks en trainingsmethoden te herzien.